基于人体结构先验信息的胸部电阻抗成像方法

电阻抗成像(EIT)技术对于人体胸腔病理变化及肺部检测具有重要的临床价值。由于胸部轮廓具有特异性,传统模型成像方法误差较大。提出一种基于人体结构先验信息的胸部电阻抗成像方法,通过对CT图片进行图像处理来提取胸部及肺部轮廓,为正问题和逆问题提供图像边界的先验信息,同时基于边界先验信息提出一种有效的图像逆问题剖分方法,使重建图像形状更接近真实情况,改善成像效果。为进行有效性验证,从某医院CT数据库中选取30张肺部健康的人体CT图像,对于所提出的方法与两种传统模型成像方法(基于椭圆形模型和基于圆形模型的成像方法),分别就其肺部区域比例(LRR)与真实值以及所产生的相对误差进行统计学对比分析。结果表明,所提出方法的LRR与真实值之间无显著性差异,其相对误差(3.71%±1.77%)显著小于基于椭圆形模型(10.29%±3.30%)和基于圆形模型(12.74%±2.87%)这两种成像方法(P<0.05),能有效提高成像质量。

融合多种先验信息的光学层析图像重建

为克服光学层析成像的病态特性,将三种不同的先验信息模型引入到基于辐射传输方程的光学层析成像中,给出了对应于三种重建模型的重建算法,其中在线过程作为先验信息的重建算法中,提出一种神经网络优化算法。最后对这三种先验信息模型进行了综合比较和讨论,并在图像的平滑性、边缘保留特性、算法复杂性及重建效果方面对其进行定量比较,提出一种分析平滑性的算子和一种基于梯度的衡量边缘保留特性的算子。实验证明基于三种先验信息模型的重建算法均能提高重建图像质量,其中,平滑先验模型的平滑效果最好,马尔可夫随机场模型有较好的边缘保留特性,线过程模型在平滑图像的同时可以更好地保留图像边缘,并且重建精度较高。

基于Monte Carlo方法的近地表速度模型建模研究(英文)

在地震数据实施层析静校正的过程中,底界的确定非常关键。实际生产中经常尝试多个底界,将能够产生最优高频静校正效果与最优叠加效果的底界作为最优底界。本文将底界的确定作为一个最优化问题,提出将微测井与大炮初至波作为先验信息,基于Monte Carlo方法中的随机采样寻优方式,在层状等效介质假设下,实现了对最优近地表速度结构的建立。相比常规最小平方意义下的初至波确定性反演方法,这种方法得到的等效速度模型具有更为清晰的底界,更加有利于基准面校正的实施,能够获得更好的高频静校正处理结果,理论与实际数据的计算证实了上述观点。

基于Bayes框架的复合高斯杂波下稳健检测

复合高斯杂波中的纹理分量决定了杂波的非高斯性,而纹理分量的不确定性会影响常规检测器的性能。基于Bayes框架,该文采用先验分布描述杂波纹理分量的不确定性,分析先验模型选择对检测器检测性能与稳健性的影响。先验信息模型包括无信息先验分布和有信息先验分布。无信息先验分布包括Jeffery先验模型和广义无信息先验模型两种,所得到的检测器结构就是归一化匹配滤波器(NMF)。有信息先验模型采用共轭先验分布,得到的是一种知识辅助的归一化匹配滤波器(KA-NMF),该检测器结构与判决门限都是先验分布参数的函数,该文分析了KA-NMF检测性能对先验分布参数的敏感性。进一步采用无信息先验模型描述先验分布参数,可以获得分层Bayes归一化匹配滤波器(HB-NMF)。计算机仿真与实测海杂波数据分析结果表明,HB-NMF的性能与分布参数无关,稳健性优于KA-NMF,而检测性能优于NMF。